实现pytorch训练过程中，加载自己的CASIA-WebFace数据集图片的代码，不用数据集列表

你可以使用PyTorch的`torchvision.datasets.ImageFolder`类来加载CASIA-WebFace数据集图片，而不需要使用数据集列表。下面是一个示例代码：

import torch
from torchvision import transforms
from torchvision.datasets import ImageFolder

# 数据集根目录
data_dir = 'path/to/CASIA-WebFace'

# 图像预处理
transform = transforms.Compose([
    transforms.Resize((256, 256)),  # 调整图像大小
    transforms.ToTensor(),  # 转换为张量
    transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])  # 归一化
])

# 加载数据集
dataset = ImageFolder(root=data_dir, transform=transform)

# 创建数据加载器
batch_size = 64
data_loader = torch.utils.data.DataLoader(dataset, batch_size=batch_size, shuffle=True)

# 使用数据加载器进行训练
for batch_images, batch_labels in data_loader:
    # 在这里进行训练操作
    pass

请确保将`data_dir`替换为CASIA-WebFace数据集的实际路径。此代码将加载数据集中的所有图像，并将它们转换为PyTorch张量，并进行了大小调整和归一化处理。然后，您可以使用`data_loader`迭代加载每个批次的图像和标签进行训练。